/ Модель

Характеристики

Контекст
1 024 токена
Параметры
184 млн
Лицензия
CC BY-NC 4.0
Архитектура
t5 · dense
Базовая модель
AraT5v2-base-1024
Библиотека
transformers
Опубликована
21 июн 2026

AraScholar

Генерация текстаТекст → текст3 профессии

AraScholar перефразирует предложения на современном стандартном арабском языке в академическом стиле, стараясь сохранять исходный смысл.

43скачиваний за 30 дней2лайкавеса обновлены21 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AraScholar — модель генерации и перефразирования арабских предложений на современном стандартном арабском языке (MSA) в академическом стиле. Она разработана как дообучение UBC-NLP/AraT5v2-base-1024 на вручную отобранном корпусе экспертных академических перефразировок и имеет архитектуру T5 с 183,7 млн параметров.

Модель предназначена для редактирования предложений: она стремится улучшить академический регистр, сохраняя исходный смысл и одновременно достаточно меняя формулировку. Для управления этим балансом README рекомендует при декодировании штрафовать копирование исходных слов или выбирать из нескольких вариантов те, которые сохраняют семантическое сходство выше заданного порога. В слепом тесте на 2 000 предложениях сочетание AraScholar с повторным ранжированием по целевой точке показало 76,6% результатов в заданном диапазоне новизны и сохранения смысла.

Модель рассчитана на обработку отдельных предложений и не выполняет нормализацию орфографии. Возможны редкие смысловые ошибки, особенно при генерации с высокой температурой; результат следует проверять. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

Сценарии применения

  • Перефразирование арабских предложений для академического текста
  • Редактирование формулировок научной статьи на арабском языке
  • Перевод арабского предложения в более формальный академический регистр

Ограничения

Модель работает на уровне отдельных предложений и не нормализует орфографию. Возможны редкие смысловые ошибки, особенно при высокой температуре генерации; выход следует проверять.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AraScholar — Academic Paraphrasing in Modern Standard Arabic

AraScholar rewrites Modern Standard Arabic (MSA) sentences into a polished academic register while preserving meaning. It is an AraT5v2-base model fine-tuned on a manually curated corpus of expert academic rewrites.

It accompanies the paper "Reaching the Human Operating Point: Controlled Academic Paraphrasing in Modern Standard Arabic."

The idea: an operating point, not just fluency

Academic rewriting must balance two opposing goals: preserve the source meaning (fidelity) and genuinely rewrite it (novelty). The human gold rewrites sit at a narrow operating point — about 57% novelty at ~87 semantic preservation. Plain decoding of fine-tuned models tends to copy the input; large LLMs tend to over-rewrite and drift. AraScholar is designed to be steered to the human operating point at decoding time.

Usage

import torch
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

m = "Omartificial-Intelligence-Space/AraScholar"
tok = AutoTokenizer.from_pretrained(m)          # see note below for transformers>=5
model = AutoModelForSeq2SeqLM.from_pretrained(m).eval()

src = "تعد القراءة من اهم وسائل اكتساب المعرفة لدى الطلاب في الجامعات"
ids = tok(f"paraphrase: {src}", return_tensors="pt", truncation=True, max_length=768)
out = model.generate(**ids, num_beams=5, no_repeat_ngram_size=3,
                     repetition_penalty=1.2, max_new_tokens=512)
print(tok.decode(out[0], skip_special_tokens=True))

Input format: paraphrase: {text} (optionally paraphrase: {domain}: {text}). Text is used without orthographic normalization.

transformers >= 5 note: if the tokenizer fails to load, use the fast file directly: from transformers import PreTrainedTokenizerFast; tok = PreTrainedTokenizerFast(tokenizer_file="tokenizer.json", pad_token="<pad>", eos_token="</s>", unk_token="<unk>").

Reaching the operating point (recommended)

Plain beam search copies (~26% novelty). To reach the human point, use one of:

  • Copy-penalty decoding (cheap, single pass): subtract a constant from the logits of tokens that appear in the source.
  • Operating-point reranking: sample K candidates and pick the most novel one whose semantic preservation (LaBSE/GATE vs. source) stays above a floor.

Reference implementations are released with the paper code.

Results (official blind test set, 2,000 sentences)

In-band = % of outputs within the human band (novelty 40–70%, preservation ≥85).

SystemIn-band %NoveltyPreservation
Human (gold)—56.186.7
AraScholar + operating-point reranking76.655.789.3
AraScholar + copy-penalty55.958.287.0
GPT-4o49.465.186.4
Claude Sonnet 4.618.175.482.5
AraScholar (plain beam)10.025.693.9

A ~300M open model with decoding-time control matches or exceeds frontier LLMs on calibration for this task.

Intended use & limitations

For research and legitimate academic writing support (clarity, register). It operates at the sentence level. Like any paraphraser it is dual-use; deploy with attribution/integrity safeguards. Outputs should be checked for rare hallucinations, especially under high-temperature sampling.

Citation

@inproceedings{arascholar,
  title  = {Reaching the Human Operating Point: Controlled Academic Paraphrasing in Modern Standard Arabic},
  author = {Anonymous},
  year   = {2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
7f0dac5

0 моделей